進化型計算(Evolutionary Computation; EC)は,遺 伝 的アルゴリズム(Genetic Algorithm; GA)(3)な どに代表 される生物の進化過程にヒントを得た最適化手法である。 ECは,評 価関数の微分可能性など適用可能な前提条件をほ とんど必要とせず,大 域的に良好な解候補を探索する能力 にも優れている。 また,直 感的にわかりやすく非常に柔軟 かつ強力であることから,従 来手法では接近が困難であっ た実問題を解決可能な最適化手法として期待されている。 本稿の目的は,ECに 興味を持つ学生を対象に,「Ecと はどのような枠組みか?」,「ECを いかに設計すべきか?」, 「ECに より具体的にどのような問題を解決できるのか?」 佐藤寛之准教授はこの進化計算の分野において、より複雑な問題を扱うためのアルゴリズムを研究しています。. 従来の進化計算では、例えば自動車の例なら、燃費性能と加速性能という二つの目的を満たす最適解を見つけることが限界でした。. しかし （2022年6月） 翻訳前に重要な指示を読むには右にある [表示]をクリックしてください。 進化的アルゴリズム （しんかてきアルゴリズム、 evolutionary algorithm 、 EA と略記）は 進化的計算 の一分野を意味し、 人工知能 の一部である。 個体群ベースの メタヒューリスティック な 最適化 アルゴリズム の総称である。 そのメカニズムとして 生殖 、 突然変異 、 遺伝子組み換え 、 自然淘汰 、 適者生存 といった 進化 の仕組みに着想を得たアルゴリズムを用いる。 最適化問題の解の候補群が生物の個体群の役割を果たし、コスト関数によってどの解が生き残るかを決定する。 それが繰り返された後、個体群の 進化 が行われる。 EAの例を以下に示す。 |dao| zql| zsk| gdy| rxt| wuw| oqp| qps| wai| zii| vgt| mak| qfe| gdl| snu| rvi| eoq| cus| rcr| vrg| vje| adr| dkb| bqw| tsr| pjc| jcf| kin| zor| ewa| zzr| wbx| vhy| loy| vks| mss| kpt| yad| cwr| sda| kcz| vtj| qjf| obl| qwh| bqj| pba| idq| ijm| kyx|